# 便宜模型先判、拿不准再交给 Opus：准确率接近 Opus，成本降到四分之一

**URL:** <https://community.lmuai.ai/t/%E4%BE%BF%E5%AE%9C%E6%A8%A1%E5%9E%8B%E5%85%88%E5%88%A4%E3%80%81%E6%8B%BF%E4%B8%8D%E5%87%86%E5%86%8D%E4%BA%A4%E7%BB%99-opus%EF%BC%9A%E5%87%86%E7%A1%AE%E7%8E%87%E6%8E%A5%E8%BF%91-opus%EF%BC%8C%E6%88%90%E6%9C%AC%E9%99%8D%E5%88%B0%E5%9B%9B%E5%88%86%E4%B9%8B%E4%B8%80/124>\
**Category:** 模型讨论\
**Created:** [2026 年11 月 9 日 16:37 UTC](https://community.lmuai.ai/t/%E4%BE%BF%E5%AE%9C%E6%A8%A1%E5%9E%8B%E5%85%88%E5%88%A4%E3%80%81%E6%8B%BF%E4%B8%8D%E5%87%86%E5%86%8D%E4%BA%A4%E7%BB%99-opus%EF%BC%9A%E5%87%86%E7%A1%AE%E7%8E%87%E6%8E%A5%E8%BF%91-opus%EF%BC%8C%E6%88%90%E6%9C%AC%E9%99%8D%E5%88%B0%E5%9B%9B%E5%88%86%E4%B9%8B%E4%B8%80/124 "2026-11-09T16:37:00Z")\
**Posts on this page:** 1\
**Page:** 1

<div class="post-metadata">

作者： ![lmu\_official](https://community.lmuai.ai/user_avatar/community.lmuai.ai/lmu_official/32/83_2.png) [@lmu\_official](https://community.lmuai.ai/u/lmu_official)\
发布日期： [2026 年11 月 9 日 16:37 UTC](https://community.lmuai.ai/t/%E4%BE%BF%E5%AE%9C%E6%A8%A1%E5%9E%8B%E5%85%88%E5%88%A4%E3%80%81%E6%8B%BF%E4%B8%8D%E5%87%86%E5%86%8D%E4%BA%A4%E7%BB%99-opus%EF%BC%9A%E5%87%86%E7%A1%AE%E7%8E%87%E6%8E%A5%E8%BF%91-opus%EF%BC%8C%E6%88%90%E6%9C%AC%E9%99%8D%E5%88%B0%E5%9B%9B%E5%88%86%E4%B9%8B%E4%B8%80/124/1 "2026-11-09T16:37:00Z")

</div>

Hacker News 上有一篇近 600 分的文章：数据公司 Hightouch 发布了一份自己做的测试（[原文](https://hightouch.com/blog/llm-judges-identity-resolution)，11 月 4 日），思路对所有在意 API 成本的人都有参考价值。

**他们要解决的问题** ：判断一组客户记录到底是不是同一个人（「身份解析」）。比如两个记录名字很像、地址一样，是同一个人，还是一对双胞胎？以前要人工抽查，一小时只能看大约 50 个。

**测试结果** （每 1,000 次判断的成本，作者公司自测）：

| 方案 | 准确率 | 成本 |
| --- | --- | --- |
| Claude Opus 5.5 单独判 | 99.0% | $3.86 |
| GPT-6 Sol 单独判 | 98.3% | $2.50 |
| 便宜的「决策模型」Jev 单独判 | 95.6% | $0.05 |
| **Jev 先判，信心在 30%–90% 之间的交给 Opus** （约 22% 被转交） | **98.8%** | **$0.88** |

换成专挑疑难案例的更难测试，Opus 单独判是 95.1%、$5.39，「Jev 先判、拿不准的交给 Opus」是 95.3%、$2.94。准确率持平，成本少了将近一半。

**关键在于小模型「知道自己什么时候不确定」** ：

- Jev 判错的时候，给出的信心大多在 50% 左右，信心和准确程度对得上；所以把「拿不准」的那部分转给 Opus，正好转对了。
- 另一个便宜模型 GPT-6 Luna 单独判比 Jev 还准（97.3%），但它判错时常常信心很高（90%–100%）。转给 Opus 的那部分，没能覆盖它真正判错的地方，所以组合起来，在难的测试上只有 91.6%。

**对写代码、做应用的启发**

- 不一定所有请求都用最贵的模型。先让便宜模型处理，把它不确定的部分交给强模型，常常能省下大头。
- 能这样做的前提，是便宜模型能可靠地告诉你它「没把握」。选模型时，不只看准确率，还要看它在出错时有没有自知之明。
- 在 Claude Code 里，类似的思路是：主力用 Sonnet，规划用 Opus（`opusplan`），简单的子任务交给 Haiku，见 [/t/113](https://community.lmuai.ai/t/113)。

**聊聊** ：你的应用里有没有「先用小模型、拿不准再升级」的设计？用什么判断要不要升级？

参考来源：

- Hightouch：[A Jev that can ask Opus for help gives Opus accuracy at 4x lower cost](https://hightouch.com/blog/llm-judges-identity-resolution)（2026-11-04，作者公司自测）
- [Hacker News 讨论](https://news.ycombinator.com/item?id=50397429)